谷歌 DeepMind 发布 Gemini 4 Argon：单次输出上限提至 100 万 Token，主攻长周期复杂任务

当地时间 10 月 13 日，谷歌宣布旗舰模型 Gemini 4 Argon 面向全球开发者和企业开放。开发者可通过 Gemini API、Google AI Studio 与 Google Antigravity 调用，符合条件的 Pro、Ultra 订阅用户也能在 Gemini 应用及搜索的 AI 模式中体验。这款模型在 9 月 30 日已先行亮相，当时仅通过 Fairwind 计划，向受信任的网络安全防御者限量提供。

单次输出上限从 6.4 万提到 100 万 Token

Argon 最受关注的改动，是把单次输出上限从原来的 6.4 万 Token 提升到 100 万 Token。这里要分清一个概念：100 万指的是模型一次能生成多长，和上下文窗口不是同一件事。多数前沿模型的输出上限约为 12.8 万 Token。

谷歌给出的统一上下文窗口为 1,048,576 Token，输入、思考和输出共用这一额度。常规调用单次默认最多输出 65,536 Token，开启长解码后可延续到 100 万 Token。输出空间的扩大，让模型能在一段任务链里持续推理，适合大型代码库迁移、长篇研究和多步骤企业流程。谷歌把 Argon 定位在复杂、长周期工作流上，重点覆盖软件工程、法律、金融和网络安全防御。

评测表现领先，编程体验仍有争议

谷歌公布的测试结果中，Argon 在长时程软件工程评测 DeepSWE v1.1 上取得 77.9%，高于 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%。在 Vals Index 上，它以 68.90% 位列第一，这一指数按金融、编程、法律、税务在美国 GDP 中的占比加权。漏洞修复评测 CWE-bench v1 得到 68%，与 GPT-6 Astra 并列第一；Zapier 的 AutomationBench 得分 51.3%，领先下一名约 9 个百分点。

视觉与长视频方面，谷歌称它可以分析专业图表、理解长视频，并依据多份文档采取行动，长视频理解评测 LVBench 得分 91.7%。

成绩与真实体验之间仍有距离。据彭博社报道，谷歌内部对 Gemini 4 在编码等任务中的表现存在疑问，也有员工认为网页和前端设计仍是短板。谷歌回应称，该模型编程表现不佳的说法并不准确。这些评测数据多来自谷歌自身，而 AI 公司通常会发布有利于自家模型的测试结果。

已在谷歌内部承担工程与科研任务

谷歌表示，已有数千名员工在日常工作中使用 Argon，场景涵盖代码调试、算法设计和代码库迁移。

Chrome 团队面对的 Chromium 约有 4000 万行代码，其中包含一个约 600 万行的历史遗留目录。团队借助 Argon 把原本需要数月的架构重构压缩到几周。在开源项目 Agent Development Kit 中，工程师只提供了项目规则文件和一段简短目标，Argon 通宵运行后给出优化方案，方案合入后长会话的内存准备时间减少 40%，冷启动导入速度提升 21%。

数据中心内存优化上，Argon 分析了全网的性能监控数据并落地优化方案，目前已释放超过 300 TiB 内存，谷歌预计总节省量可达 500 TiB 至 1 PiB。视频解码器 libgav1 的 Rust 移植中，Argon 重写约 3.2 万行 SIMD 代码，新版本运行速度达到原 Rust 版本的 2.7 倍。它还在 Gemma 4 E2B 的推理优化上，帮助团队在 A100 上实现 2.85 倍端到端加速；在量子计算的一项测试里，几分钟内把已发表的基准结果提升了 40%。

网络安全与安全护栏

网络安全是 Argon 首批落地的重点。谷歌称它能自主发现、验证并修复关键软件漏洞，覆盖 20 多种编程语言。安全公司 Wiz 通过 Scan for Good 计划用它为公共基础设施排查暴露面，并发现了一款全球医院所用医疗软件中的严重漏洞，此前的前沿模型没能识别出这一风险。

谷歌同步加固了安全机制，对网络攻击以及化学、生物、放射、核相关滥用请求加以限制，并通过激活监测、自动化红队测试和人工评估识别潜在风险。针对间接提示注入，公司采用对抗训练与自动化测试提升防护；同时部署模型失配监控，跟踪推理过程与行动轨迹，必要时中止任务。谷歌称，有害请求违规率较前代模型降低了近一半。

定价与开放节奏

Argon 暂不进入免费层。限时价格方面，每百万输入 Token 收费 2 美元、输出 10 美元，缓存输入 0.1 美元，相当于标准输入价的 95% 折扣。优惠持续到 11 月 30 日，12 月 1 日起调整为输入 4 美元、输出 20 美元，缓存输入 0.2 美元。批量与 Flex 档可在此基础再减半。

横向对比，Anthropic 的 Claude Opus 5.5 定价为每百万输入 4 美元、输出 20 美元，OpenAI 的 GPT-6 Astra 为输入 10 美元、输出 50 美元。

科研支持上，谷歌向 1 万名科学家提供为期 6 个月的 Antigravity 最高使用层级免费访问权限，Fairwind 计划也新增了数百家合作伙伴。Argon 的上线，正处在这一轮前沿模型密集发布的窗口期。